在過去一年半，AI 好像比一切都重要。但我們似乎很少看到 AI 創造的經濟價值，也沒有感受到 AI 對現有經濟結構的沖擊。
相反的，" 一路狂飆的 AI，為何商業化不順？""AI 會取代人類的工作嗎？"" 大模型訓練高投入低回報的困境如何破解？" 這些由 AI 帶來的現實問題，倒是被擺上臺面。
在過去，小飯桌向眾多 AI 技術從業者、資本市場投資人提出過上述疑問，但他們都沒能給出答案。
而最近，我們與三位經濟學家展開了對話。從三位經濟學家那里我們得知，AI 技術雖然很新，但在經濟史上仍有跡可循，AI 發展遇到的問題并不是新問題，在以往的技術革命中已經找到了解法。只是人工智能的從業者們，普遍只從技術視角理解商業，卻沒有從商業的視角理解科技。
" 我們不能只從技術視角理解 AI，技術革命其實很需要社會科學的理解，否則人類將多走很多彎路，付出更大的代價。" 在召開 2024 年羅漢堂數字經濟年會之前，羅漢堂秘書長陳龍說了這樣一句有些驚悚的話。
更嚴重的是，人工智能的從業者似乎還沒有意識到這些問題 ……
一、一路狂飆的 AI，為何賺不到錢？
小飯桌：相比以往的技術變革，這一波 AI 技術浪潮給經濟帶來的影響有何不同？
Sargent：很多年前人們談論 " 軟件能否取代人類 "，現在人們討論 "AI 能否取代人類 "。但實際看來，軟件和 AI 都只是工具。
比如現在直接讓 AI 做數學難題是解不出來的，需要專家引導方向。所以，如果我要使用更多的 AI 工具，那我就需要了解更多專業領域，如此一來，AI 就不會代替人類。
小飯桌：作為經濟學家，如何看待過去一年半 AI 的迅猛發展，有哪些比較驚喜的地方？
陳龍：一方面我們見識了 AI 驚人的技術，總覺得 AI 會顛覆一切。可另一方面，直到今天我們還幾乎沒有看到來自 AI 的顛覆式商業創新。
小飯桌：為什么技術夠好，卻難以形成顛覆式商業創新？
陳龍：我想特別強調的是，我們應該從商業的視角理解科技，而不是從科技的視角理解商業，兩者截然不同。
回到 AI，現在很多人講 AI 都是從科技視角去講，缺乏經濟和商業的視角，其實倒過來看會非常不一樣。
我舉一個例子，在過去十年內，全世界見證了很多商業失敗，比如元宇宙、區塊鏈等等。不是說這些技術沒有未來，但在商業和經濟角度，應該問的是技術本質是什么？技術的商業本質是什么？技術和商業的結合會發生什么？影響的邊界是什么？影響的環節是什么？
現在這樣的討論太少了，大部分講 AI 的人都是 AI 技術的興奮者，他們興致勃勃。但正如元宇宙、區塊鏈給我們的教訓，技術成立并不意味著商業成功。
小飯桌：開發大模型耗資巨大，可給企業帶來的經濟效益卻很有限，如何看待投入和產出的不匹配？
陳龍：我覺得這是兩場戰爭，大模型最燒錢的是一開始的模型訓練，后面推理使用需要的資金量要小很多。所以競爭最強大底層模型的公司，那確實需要燒錢訓練，這沒什么好說。
另一方面，很多用大模型做應用的公司，前期投入并不多，照樣做得風生水起。比如很多公司將大模型落地到產業，讓客戶看到效率提升，愿意為之買單，所以基本不虧錢、不燒錢。
如果去年算是底層大模型元年，今年就是產業大模型的落地之年，明年可能會有更多消費側、個人側 AI 應用崛起，隨著這個節奏，投入就將看到回報。
另外，我也想鼓勵一下企業，雖然現在 80% 的產業利潤、收益還是被芯片公司和云計算公司拿走了，大模型公司得到的收益很少，但我認為十年之內大部分的收益會被產業應用、被用戶拿到。
所以尋找 AI 落地，把它作為商業要素在自己的產業和場景內找到價值，這才是未來的必然之道。
我覺得大家不要被頭部的大模型競賽吸引，畢竟頭部玩家的數量相當有限，很多應用領域其實大有可為，也不需要燒那么多錢。
很多大模型企業就應該是大模型應用企業，通過找到一些產業，跟產業數據和 knowhow 結合，從而體現自己的價值。
小飯桌：大模型可能會率先在哪些行業得到應用？
劉培林：不是可能，是已經在創造巨大的應用價值。
以我自身為例，由于我的英語水平一般，以往要寫英文文章，都是我先寫好英文初稿，再找專業翻譯公司幫忙潤色。可現在，只要喂給 AI 模型，幾乎瞬間就能完成潤色。而且從專業角度看，不但翻譯準確，連用詞都很考究。
所以我覺得翻譯這個行業，包括同聲傳譯，也許很快就會被 AI 取代。
我是研究經濟的，以往寫宏觀經濟形勢分析，要專門建立數據庫，看今年比去年增長了多少？與歷史同期相比如何？對比數據之后得出結論。
但個人積累的數據肯定遠不如大模型豐富，所以未來將大模型用于金融分析，應該會大行其道。不能說大模型會 100% 替代金融分析師，最起碼會對行業帶來很大沖擊。
包括作為一個大學的研究人員，面對 AI 我也有危機感。因為就掌握的知識廣度而言，我肯定不如人工智能，教課哪能教得過 AI？所以我們也可能面臨失業沖擊。
未來可能對各行各業來說，都要運用人工智能，學會與人工智能共處。
二、AI 會取代人類的工作嗎？
小飯桌：現在有一種擔憂是 AI 越來越強，可能會取代很多人的工作，經濟學家是否有這個擔憂？
劉培林：經濟學家研究經濟史發現，每一個技術浪潮剛出來的時候，大家都有類似的擔心——新技術會導致大量失業。
比如有一個英語單詞 sabotage 。這個詞的本義是指 " 將木鞋扔進機器 "，現在代指 " 暗中破壞，怠工 "。這個詞的背景就是在工業革命早期，工人們覺得自己的生計被工業自動化威脅，以及不滿流水線生產，就將腳上穿的木鞋扔進機器，卡住它們，讓它們停止工作。
但現在工業自動化的好處已經有目共睹。
我想說的是，歷史上每一次自動化技術迭代總會有人擔心，要沖擊就業。現在大家對 AI 也是這樣的看法。
參考歷史，我覺得首先一點是，AI 技術浪潮來了，不可能被逆轉，必須接受它，適應它。另外從長期來看，也不必太過擔憂，將來新創造的就業門類和就業崗位會超過被替代的。
還有一點是，在這個浪潮沖擊的中短期過程中，還是要有政策儲備，幫助個人適應沖擊，同時個人也要努力學習新的技能。
小飯桌：那人工智能將如何影響我們的就業市場？是會帶來更多工作機會，還是消滅一些工作機會？
劉培林：坦白說我也沒有準確答案。
經濟學家通常會從兩個角度分析新技術對就業的影響，一個是 " 就業創造效應 "，另一個是 " 就業替代效應 "。
以人工智能為例，短期內肯定有一批人趕上了這波浪潮，來不及學習人工智能技能，會被沖擊，就業崗位會被替代，這就是替代效應。但人工智能又會催生出許多新的行業，這就是就業創造效應。
長期來看，是創造效應大于替代效應？還是替代效應大于創造效應？我也說不準。但我可以肯定的是，新技術浪潮來臨，誰也擋不住，就像把木鞋扔進機器阻止不了工業革命，你只能去擁抱新技術浪潮。
也許我們可以樂觀一些，現在一些發達國家正在探索一種新的政策—— " 無條件基本收入 "（政府拿出一部分稅收平均發給人民，獲得該收入不需要任何條件與資格）。
假如人工智能發展到最終階段，真能替人類把工作全干了，那我們就不用擔心工作，在家拿著無條件基本收入、享受閑暇，就行了。
小飯桌：到時大家應該擔憂什么？
劉培林：上世紀 30 年代，凱恩斯做了一次演講，題目是 " 我們孫輩的經濟前景 "。凱恩斯預測百年后，物質生活資料供給問題將被徹底解決，或者至少是可望獲得解決，屆時人類將不用再為物質生活而發愁。
當人類從物質生活資料短缺的束縛中解放出來以后，真正的問題應該是如何優雅地打發閑暇時光，如何生活得更明智而愜意。
如果從現在起再經過二三十年的發展，整個社會的生產效率、生產能力因為 AI 賦能得到質的飛躍，迎來人們不用干活的時代，那么，也許屆時真正要發愁的問題，就是凱恩斯百年前所說的，如何優雅地打發閑暇時光。
可以做一個思想實驗：設想我們天天什么都不用干就有吃有喝，那么，如何讓自己不至于無聊，其實也不是一件簡單的事。這種情況下，我們都得思考如何讓生活更加明智而愜意這樣的哲學問題。
曾經有科學家做過一個小鼠實驗，就是物質約束不再是一個問題后，小鼠倦怠、躺平，甚至連生育這樣最本能的需求也沒興趣了，其實這也是一個很大的問題。
小飯桌：說了對未來的美好憧憬，再講一個現實問題，現在大模型幾乎所有利潤都被英偉達和微軟等少數巨頭占據，AI 創業公司獲利有限，該如何形成新的商業循環，讓更多人參與進來？
劉培林：如何打破巨頭壟斷我沒有確切答案，如果我知道答案，我也創業賺錢去了。
但參考商業史，打破巨頭壟斷會是一個漸進的過程。比如原先阿里每年將 " 雙十一 " 搞得聲勢浩大，但掙的錢都用來買服務器、買數據庫了。于是自己創新，直到后來一步步做出了阿里云，才逐漸擺脫了對巨頭的依賴。
今天中國的大模型和云計算一樣，本質上是 " 技不如人 "。按照目前的主流技術路線進行追趕是必要的。如果中國一直扮演技術追隨者，行業利潤被分走也就在所難免。
作為技術上的外行，我覺得如果能找到一個很細分的領域，積累有壁壘的專業數據，加上一定的而不是很強的算力，也許不用燒很多錢，也能產生不錯的效果，那也是一個能掙錢的方式。
但是，正如清華大學的張鈸院士和北京大學鄂維南院士所期待的，如果中國科研機構和企業能通過 AI 底層理論突破，形成不同于目前主流的新技術路線，讓大模型用更少數據、更少算力、更少能源消耗，進行更可控、更安全的運算和分析，自然就能賺大錢。
三、AI 將如何改變經濟結構？
小飯桌：隨著人工智能進入各行各業，將如何改變我們現有的經濟結構？
劉培林：經濟結構的改變是一個漫長的過程，會一步步改變，也很難預測。
舉個例子，在汽車剛發明的時候，在紐約的街上，馬車在前面走，后面的汽車不能摁喇叭，因為一摁喇叭就容易驚了馬，會造成安全事故。也就是說，在馬車占主導的經濟模式下，汽車是要給馬車讓步的。
但今天放眼全世界，汽車全面取代馬車，經濟結構、規章制度自然會發生變化。但這些變化在當時是很難想象的。
小飯桌：隨著以人工智能為代表的新技術快速變化，政策制定者、市場側應該如何調整，減少可能的消極影響？
Sargent：我覺得如果我們回看工業革命，其實也是用機器代替很多人力的勞動， AI 雖然現在看上去很新，但也是類似的邏輯。
比如我的父親之前是一名保險公司職員，但他的工作現在已經不存在了，因為計算機出現后，他的工作內容已經被徹底改變。
這個變革過程中，人們會根據自己的技能去做別的事情，整個市場會形成一個新的市場機制，讓大家根據技能找到新工作。也就是說，當新技術出現，工人會有新型企業入駐，他們也會找到方式培養新技能，把原來過剩的勞動力引入市場，重新去應用它們。
所以我覺得變革并不是有人故意對勞動力市場造成一些影響，這是一個非常自然而然的過程。
就像在 AI 出現之前，沒有人知道 AI 會對我們現在造成這么大的影響。隨著科技繼續發展，很多想法、很多創新不斷產生，哪個想法會實現、哪個想法會為我們帶來革命性的變化，這不是事先被預定好的東西。比如中國過去 40 年發生的很多東西，企業家不斷創新，其實也是一個自然而然的過程。
小飯桌：從可持續發展角度，大模型訓練帶來的高能耗問題，是否會阻礙其進一步發展？
劉培林：能耗問題恐怕要從更高維度看。
大模型訓練本身的確帶來了高耗能問題，但隨著技術迭代，訓練能耗會逐步降低。另外，更關鍵的是大模型可能讓全社會的能耗降低。
舉個例子，微軟、谷歌等巨頭通過大模型做出了更智能化的產品，讓知識可以免費零成本或者以很低成本擴散到各行各業，各個行業就變得更加智能，就會減少大量的無謂的浪費，從而降低全社會的能源消耗。
比如設計領域，原先要設計某個飛機零部件，需要靠工程師，靠經驗，用窮舉法做好多次實驗，然后選出最優解。這個測試選優的過程就是資源的浪費。
但是現在通過大模型，能直接推算出最優解，其實相當于節約了巨大的成本和能耗。
就像大模型所依靠的 Scaling Law（標度定律）一樣，隨著數據規模越來越大，推算效果越來越好，我覺得未來全行業單位知識的獲得所消耗的能量，應該是遞減而不是遞增。
來源：小飯桌
